时间戳

首页 > 解决方案 > 从字符串中删除非 ASCII 字符

c# - 从字符串中删除非 ASCII 字符

问题描述

我试图从我从文本文件中读取的字符串中去除非 ASCII 字符，但无法做到这一点。我检查了一些来自 SO 和其他网站的帖子的建议，但都无济于事。

这就是我所拥有和尝试过的：

文本文件中的字符串：

2021-03-26 10:00:16:648|2021-03-26 10:00:14:682|MPE->IDC|[10.20.30.40:41148]|203, ?  ?'F?~?^?W?|?8wL?i??{?=kb ?   Y  R?

从文件中读取的字符串：

"2021-03-26 10:00:16:648|2021-03-26 10:00:14:682|[10.20.30.40:41148]|203,\u0016\u0003\u0001\0?\u0001\0\0?\u0003\u0001'F?\u001e~\u0018?^?W\u0013?|?8wL\v?i??{?=kb\t?\tY\u0005\0\0R?"

去除非 ASCII 字符的方法：

Regex reAsciiPattern = new Regex(@"[^\u0000-\u007F]+");  // Non-ASCII characters
sLine = reAsciiPattern.Replace(sLine, "");   // remove non-ASCII chars

Regex reAsciiPattern2 = new Regex(@"[^\x00-\x7F]+");  // Non-ASCII characters
sLine = reAsciiPattern2.Replace(sLine, "");   // remove non-ASCII chars

string asAscii = Encoding.ASCII.GetString(
    Encoding.Convert(
        Encoding.UTF8,
        Encoding.GetEncoding(
            Encoding.ASCII.EncodingName,
            new EncoderReplacementFallback(string.Empty),
            new DecoderExceptionFallback()
            ),
        Encoding.UTF8.GetBytes(sLine)
    )
);

我错过了什么？

谢谢。

标签： c#stringnon-ascii-characters

解决方案

这可以在不Regex使用循环和 a 的情况下完成StringBuilder：

var sb = new StringBuilder();
foreach(var ch in line) {
   //printable Ascii range
   if (ch >= 32 && ch < 127) { 
       sb.Append(ch);
   } 
}

line = sb.ToString();

或者你可以使用一些 LINQ：

line = string.Concat(
  line.Where(ch => ch >= 32 && ch < 127)
);

如果您必须使用 Regex 执行此操作，那么以下内容就足够了（同样，这仅保留可打印的 ASCII）

line = Regex.Replace(line, @"[^\u0020-\u007e]", "");

在线试用

如果您想要所有 ASCII（包括不可打印）字符，则将测试修改为

ch <= 127 // for the loops
@"[^\u0000-\u007f]" // for the regex

推荐阅读